Nuevos Modelos
AI Minute Newsroom
2026-08-20
El modelo se inventa sus propias tareas, monta el banco de pruebas para medirlas y luego se entrena con el resultado; y DeepReinforce ha regalado los pesos
DeepReinforce publicó Ornith-1.5 el 19 de agosto en tres tamaños de pesos abiertos: una mezcla de expertos de 397.000 millones de parámetros, otra de 35.000 millones que activa 3.000 millones por token y un modelo denso de 9.000 millones, todos con licencia MIT y los pesos en Hugging Face. Lo interesante no son los tamaños. En lugar de aprender de un conjunto fijo de tareas escritas por personas, el modelo propone las suyas, puntúa cada una por validez, dificultad y novedad, escribe el andamiaje necesario para ejecutarla y genera intentos de solución que realimentan el aprendizaje por refuerzo. El equipo lo describe como cerrar el círculo del autoandamiaje a la automejora. Según las cifras del propio laboratorio, el modelo de 397B obtiene 86,1 en Terminal-Bench 2.1 y 56,0 en DeepSWE, frente a 85,0 y 59,0 de Claude Opus 4.8 y 82,7 y 46,2 de GLM-5.2; en GPQA Diamond declara 92,8. La ventana de contexto es de 262.144 tokens y el modelo completo pesa unos 800 gigabytes en BF16, de modo que abierto no significa aquí que funcione en tu portátil. Eso lo hace la versión de 9B, con 47,0 en Terminal-Bench 2.1 y 70,6 en SWE-bench Verified.
Por qué importaTodos los laboratorios repiten ya que se están acabando los buenos problemas de entrenamiento. Esta es una respuesta: que el modelo escriba el temario. Si funciona, el techo de la capacidad deja de ser cuántos problemas decentes puede redactar un humano y pasa a ser cómo de bien juzga un modelo si el problema que acaba de inventar merece resolverse; un cuello de botella más incómodo, porque un sistema que se califica a sí mismo la dificultad puede derivar hacia problemas difíciles y a la vez inútiles. Conviene recordar además que son cifras de DeepReinforce sobre pruebas elegidas por DeepReinforce, y todavía no hay evaluación independiente. Lo que no admite discusión es la licencia: un modelo con licencia MIT que reclama paridad con un buque insignia en trabajo de agente de terminal es un suelo levantado en público, y quien venda acceso a un modelo cerrado tiene que fijar precio contra eso.
✓ Verificado · 4 fuentes
▶ Vídeo relacionado: Ornith-1.5 Ships 9B Dense, 35B and 397B MoE Models | Models & Agents #Shorts
Léelo en la app — gratis, en 9 idiomas
Noticias relacionadas
OpenRouter expulsa a tres proveedores tras una prueba con cebos.
2026-11-22Investigadores afirman haber sacado chats del agente Muse de Meta.
2026-11-22Tencent abre a descarga los pesos de su modelo insignia Hy4.
2026-11-21Amazon dice que agentes de IA de atacantes hallaron un fallo nuevo.
2026-11-21METR dice que casi no halla humanos que superen a la IA programando.
2026-11-21